AKShare项目新增基金费率查询接口解析
2025-05-21 10:03:20作者:裴麒琰
在金融数据获取领域,AKShare作为一款优秀的开源Python库,近期针对基金费率查询功能进行了重要升级。本文将详细介绍这一功能更新的技术背景、实现原理以及使用方法。
背景与问题
在基金投资分析过程中,费率信息是投资者必须考虑的关键因素之一。管理费、托管费、申购赎回费等各项费用直接影响投资回报率。然而,在实际数据采集过程中,开发者发现通过雪球接口获取ETF基金费率存在数据缺失问题,例如纳斯达克100ETF(513300)等品种的费率信息无法完整获取。
解决方案
AKShare项目团队迅速响应这一需求,在1.15.65版本中新增了fund_fee_em接口。该接口基于天天基金网的数据源实现,相比原有方案具有以下优势:
- 数据完整性:覆盖更全面的基金品种,特别是ETF产品
- 信息详细程度:提供管理费、托管费、销售服务费等细分项目
- 更新及时性:与基金公司官网披露信息保持同步
技术实现
新接口采用了以下技术方案:
- 数据抓取:基于requests库实现HTTP请求
- 数据解析:使用BeautifulSoup处理HTML页面结构
- 数据清洗:正则表达式匹配关键费率信息
- 结果格式化:返回结构化的pandas DataFrame对象
使用示例
import akshare as ak
# 查询基金费率信息
fee_df = ak.fund_fee_em(symbol="513300")
print(fee_df)
典型返回结果包含以下字段:
- 基金代码
- 基金名称
- 管理费率(%)
- 托管费率(%)
- 销售服务费率(%)
- 申购费率(%)
- 赎回费率(%)
- 跟踪误差率(%)
注意事项
- 使用前请确保AKShare版本≥1.15.65
- 频繁请求可能导致IP暂时被封禁,建议合理设置请求间隔
- 对于新成立基金,部分费率信息可能暂时缺失
- 建议将获取的数据与基金公司官网披露信息进行交叉验证
总结
AKShare此次新增的基金费率查询接口,有效解决了ETF产品费率信息缺失的问题,为量化投资研究和基金产品分析提供了更完整的数据支持。该接口的易用性和数据质量使其成为金融数据分析工作流中的重要工具。开发者可以根据实际需求,将该接口与其他金融数据接口组合使用,构建更复杂的分析模型。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660